买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网山东省电力公司聊城供电公司

摘要：本发明公开了基于机器视觉的电缆沟内的电缆缺陷检测方法及系统，方法包括图像采集、图像预处理、电缆图像数据增强、电缆缺陷检测模型构建和电缆沟内的电缆缺陷检测。本发明涉及电缆缺陷检测技术领域，具体是指基于机器视觉的电缆沟内的电缆缺陷检测方法及系统，本发明通过图像采集得到电缆缺陷检测历史图像；采用图像标注、尺寸调整、图像去噪和图像对比度增强的图像预处理方法；采用深度卷积生成对抗网络模型增强电缆图像数据，丰富训练数据的同时，改善了模型的泛化能力；采用多维弱注意残差网络模型进行电缆沟内的电缆缺陷检测，通过增强对细节的捕捉能力并融合不同尺度特征，提高了检测的准确性和鲁棒性。

主权项：1.基于机器视觉的电缆沟内的电缆缺陷检测方法，其特征在于：该方法包括以下步骤：步骤S1：图像采集；步骤S2：图像预处理，对采集到的历史图像进行图像标注、尺寸调整、图像去噪和图像对比度增强；步骤S3：电缆图像数据增强，具体为采用深度卷积生成对抗网络模型增强电缆图像数据并进行数据集分割，得到电缆缺陷检测训练集和电缆缺陷检测测试集；步骤S4：电缆缺陷检测模型构建，具体为构建多维弱注意残差网络模型并训练，得到电缆缺陷检测模型；在步骤S4中，所述电缆缺陷检测模型构建，用于构建电缆沟内的电缆缺陷检测所需的模型，具体为构建多维弱注意残差网络模型并训练，得到电缆缺陷检测模型；所述多维弱注意残差网络模型，具体为包含弱信号注意模块和多尺度感知模块的残差网络模型；所述电缆缺陷检测模型构建，具体包括以下步骤：步骤S41：构建弱信号注意模块，步骤包括：步骤S411：提取特征，所用公式如下： ；式中，表示弱信号注意模块的输入，表示3×3卷积核的卷积操作函数，表示批归一化操作函数，表示提取到的特征；步骤S412：伽马变换增强对比度，所用公式如下： ；式中，表示标准化特征，表示均值函数，表示标准差函数，表示对比度增强特征，表示伽马因子；步骤S413：设计空间注意力机制，所用公式如下： ；式中，表示弱信号注意模块的输出，表示sigmoid函数，表示7×7卷积核的卷积操作函数，表示拼接函数，表示最大池化函数，表示平均池化函数；步骤S414：模块构建，具体为通过所述提取特征、所述伽马变换增强对比度和所述设计空间注意力机制，进行所述弱信号注意模块的构建，得到所述弱信号注意模块；步骤S42：构建多尺度感知模块，步骤包括：步骤S421：计算扩张卷积，所用公式如下： ；式中，A表示用于控制特征强度的系数，表示扩张率为1的3×3卷积核的扩张卷积函数，表示扩张率为2的3×3卷积核的扩张卷积函数，表示扩张率为3的3×3卷积核的扩张卷积函数，表示扩张率为1的1×1卷积核的扩张卷积函数，表示多尺度感知模块的输入，表示扩张率为1的3×3卷积核的扩张卷积输出，表示扩张率为2的3×3卷积核的扩张卷积输出，表示扩张率为3的3×3卷积核的扩张卷积输出，表示扩张率为1的1×1卷积核的扩张卷积输出；步骤S422：构建残差连接，所用公式如下： ；式中，表示逐元素相加，表示扩张卷积输出与扩张卷积输出的残差连接输出，表示残差连接输出与扩张卷积输出的残差连接输出，表示残差连接输出与扩张卷积输出的残差连接输出；步骤S423：多尺度特征融合，所用公式如下： ；式中，Fm表示多尺度感知模块输出；步骤S424：模块构建，具体为通过所述计算扩张卷积、所述构建残差连接和所述多尺度特征融合，进行所述多尺度感知模块的构建，得到所述多尺度感知模块；步骤S43：计算模型输出，所用公式如下： ；式中，Y表示模型的输出，表示softmax函数，W表示输出权重矩阵，b表示输出偏置项，X表示输出层的输入；步骤S44：构造损失函数，所用公式如下： ；式中，表示模型损失函数值，K表示图像类别总数，表示第i类图像的标签，x表示模型的输入，表示模型在输入x下对第i类图像的预测概率；步骤S45：模型构建并训练，具体为通过所述构建弱信号注意模块、所述构建多尺度感知模块、所述计算模型输出和所述构造损失函数，进行所述多维弱注意残差网络模型的构建并基于所述电缆缺陷检测训练集进行模型训练，基于所述电缆缺陷检测测试集验证模型性能，得到电缆缺陷检测模型；步骤S5：电缆沟内的电缆缺陷检测，具体为采用所述电缆缺陷检测模型进行电缆沟内的电缆缺陷检测，得到电缆缺陷检测参考数据。

全文数据：

权利要求：

百度查询： 国网山东省电力公司聊城供电公司 基于机器视觉的电缆沟内的电缆缺陷检测方法及系统